区块链与 AI Agent 及 AI 的技术融合，是一个涉及落地场景化、商业模式及盈利模式清晰且具备可行性的发展方向，但显而易见的，发行代币及炒作价格并非这种技术融合的前进方向。

撰文：司马聪 AI 频道

加密货币是区块链技术的一种体现，但不是唯一，发行代币与技术落地且创造价值也不是对等关系，区块链与 AI Agent 及 AI 的技术融合，是一个涉及落地场景化、商业模式及盈利模式清晰且具备可行性的发展方向，但显而易见的，发行代币及炒作价格并非这种技术融合的前进方向。

我的方法论：聚焦区块链与 AI Agent 及 AI 的技术融合，而非聚焦山寨概念币及价格，同时，拒绝用价格评估效用及价值。

第一部分：通过 web2 世界的现状找参考及底层逻辑、产品现状及特点

背景

2025-1-5

OpenAI 首席执行官 Sam Altman 在他的个人博客上的一篇文章中表示，他相信 OpenAI「知道如何构建 [通用人工智能]」，因为它的传统理解是——并且开始将其目标转向「超级智能」。

他认为人工智能代理——可以自主执行某些任务的人工智能系统——可能会在今年「加入劳动力市场」，并「实质性地改变公司的产出」。

而在 2024 年的最后一天，OpenAI 又甩出重磅预告，引爆 AI 行业。

最新，OpenAI 首席执行官 Sam Altman 在社交媒体上公布了 2025 年 OpenAI 即将发布的技术产品。

他们分别是：AGI（通用人工智能）、Agents（智能体）、更好的 GPT-4o 升级版、更好的记忆存储、更好的上下文窗口、成人模式、深度研究特色功能、更好的 Sora、更好的个性化定制。

目前，AI Agent 的赛道竞争非常激烈，微软、谷歌、亚马逊等科技巨头也在该领域中卷技术和应用落地。

据悉，OpenAI 领导层宣布，计划于 2025 年 1 月发布改 AI Agent。作为研究预览，将通过公司面向开发人员的应用程序编程接口发布。

随着大模型、AI 技术的越来越成熟，应用落地成为了下一阶段，而 AI Agent 将是这一阶段的关键。

2025 年 1 月 7 日

NVIDIA 在 CES 2025 上发布的最新公告展示了 AI 硬件和软件方面的重大突破，尤其是推出了 Project DIGITS，这是一款由创新的 GB10 Grace Blackwell 超级芯片提供支持的个人 AI 超级计算机。Project DIGITS 是一款功能强大的 AI 开发工具，旨在让更广泛的受众能够使用高性能 AI，有望彻底改变研究人员、开发人员和学生与 AI 的互动方式，同时保持系统足够紧凑，可以放在桌子上并使用标准电源插座运行。

NVIDIA 对 Project DIGITS 的愿景不仅在于提供原始计算能力，还在于为开发者提供将 AI 创意变为现实所需的工具。Project DIGITS 在基于 Linux 的 NVIDIA DGX OS 上运行，并与 NVIDIA AI Enterprise 软件平台无缝集成。这可确保用户能够访问一整套用于 AI 开发的工具，包括软件开发工具包 （SDK）、编排工具以及 PyTorch、TensorFlow、Python 和 Jupyter Notebooks 等常用框架。

Project DIGITS 旨在通过在每个数据科学家、AI 研究人员和学生的办公桌上放置一台 AI 超级计算机来使这一愿景成为现实。Project DIGITS 的起价为 3000 美元，为个人和小型团队带来了超级计算机的强大功能，而他们以前会受到传统 AI 基础设施的成本和复杂性的限制。

在市场潜力方面，黄仁勋表示：「AI Agent 很可能是下一个机器人产业，并且可能成为一个数兆美元的商机。」

黄仁勋描绘了未来 AIAgent 的工作方式：AI Agent 是新的数字劳动力，为我们工作，也与我们一起工作。 它们是一个模型系统，能思考任务，将其分解成子任务，并检索数据或使用工具来产生高质量的回应。」他强调，这种数字劳动力将能无缝融入现有的工作环境，特别是在知识工作领域，因为它们可以完全适应我们现有的办公室电脑系统。

加密领域背景

在山寨币方面，AI Agent 成为市场表现最亮眼的板块。Virtuals Protocol 和 ai16z 两大龙头平台连续创新高，相关生态币也集体大幅走高。

根据 Cookie.fun 的最新数据显示，截至 1 月 2 日，AI Agent 整体市值已达到 183.6 亿美元，过去 7 天的涨幅高达 76.97%。这一强劲表现显示出市场资金出对这一赛道的强烈兴趣。

加密市场中的 AI 炒作经历了多个阶段。起初 AI 概念大多与 DePIN 捆绑，重点在于去中心化算力和分散式数据训练 AI。随后以 WLD、TAO 等为代表的去中心化人工智能网络开始成为市场焦点。

AI + Meme 百花齐放出现了明显财富效应后，一大批发币平台开始涌现。

目前，市面上已有 Virtuals、ai16z 与 Zerebro 等几大主流框架，它们分别对应不同的开发语言与代币。在 AI Agent 热潮中，Virtuals Protocol 和 ai16z 无疑是最具代表性的项目，这两个生态各成一派，形成了较为明显的竞争格局。

从 cookie.fun 目前收录的 858 个 AI agent 项目来看，Virtuals 的生态市值达到 59 亿美元，ai16z 为 25 亿美元，二者占据了 AI Agent 市场份额的 91.8%，贡献超过半数份额。

总体来看，目前市场结构仍显单一，主要依赖于少数龙头项目的推动，AI Agent 生态仍旧处于早期阶段。

进入新的一年，链上 AI Agent 赛道和二级主流市场行情呈现出「冰火两重天」的景象。当前全球市场，AI 始终是一个最具创新性，最持久的核心叙事，加密行业众多机构在 2025 年的展望中，也毫不吝啬对 AI Agent 乐观发展的描述。目前 AI Agent 叙事正火热，整个赛道的新概念、新项目层出不穷。

但泡沫化趋势及现状也是清晰可见：

目前，90% 的 Crypto x AI 项目就像猫 / 狗的模因币，如果完全清楚这一点完全没问题，但是许多项目将自己的代币鼓吹为「实用代币」，这是十足的骗子。

这种现象可能给真正的建设者（尤其是实力较弱的建设者）造成长期损害——他们现在被迫短视。

大多数代理 / 基础设施项目已经发现，代币是获得关注的最佳方式：发行代币→代理 / 框架「病毒式」传播（但没有用户）→代币上涨→皆大欢喜。

当价格下降时，这些社区、KOL 或阴谋集团都不会对你有任何帮助——你是孤独的。 他们甚至会嘲笑或抨击你。

问题是：谁以及什么样的项目可以真正走下去，AI agent 和区块链技术到底如何结合并在加密货币领域站稳脚跟？

用价格去评估技术和效用及价值，而不是相反的加密货币 AI 叙事不能也不应在继续！

当下的 AI 产业格局究竟是什么样子

l 算力是底层逻辑，这不仅是底层逻辑，也是评判项目的最基本标准之一；

中国 AI 公司在追赶美国 AI 公司的过程中仍有算力和融资上的差距。

目前中国头部大模型创业公司仅有千卡的算力规模，想要使用万卡集群还需和算力中心合作，融资最多的中国大模型创业公司累计融资额不过 100 亿元左右，估值刚刚超过 200 亿元。算力中的「卡」，是对算力硬件设备的通称，若要训练万亿参数的大模型往往需要数千张英伟达 GPU 算力卡，或同等甚至更大规模的华为等国产厂商算力卡，训练数月时间。

美国大模型头部三家创业公司中，OpenAI、电动车巨头特斯拉 CEO 马斯克（Elon Musk）创办的 xAI 均已在建 10 万卡的算力集群；Anthropic 也和亚马逊合作，使用数十万张亚马逊自研 AI 训练芯片训练下一代模型。融资方面，OpenAI 成立以来累计融资额超过 100 亿美元，估值高达 1570 亿美元（约合 1.15 万亿元）；xAI 累计融资额更是超过 120 亿美元，截至 2024 年 5 月估值达到 240 亿美元（约合 1752 亿元）；Anthropic 也获得了累计超过 80 亿美元的融资。

目前国内大模型创业公司算力主要来源于自有算力，由国家「东数西算」工程下各地建设的算力集群和云厂商等提供，地方政府对于算力租用的补贴，也使得国内创业公司使用国产算力的成本相较于租用或自建英伟达算力更低。

算法、算力和数据被称为 AI 的「铁三角」，OpenAI 发展到 GPT-4 是通过不断扩大数据的规模来实现的，国内大模型公司此前也跟随这一技术路线：只要扩大训练参数规模，模型能力就能得到提升（scaling law）；而 OpenAI 迟迟未发布 GPT-5、未能继续证明扩大规模的有效性，其于 2024 年 5 月、9 月推出的 GPT-4o、o1 两个模型，分别代表了多模态理解、强化学习两条技术路线。

未来挑战则来自两方面:首先是算力。先进算力芯片进口被美国限制，不过中国大量的数学和 AI 人才正在不断通过算法优化，跟住海外领先模型的能力。其次是竞争。面对国内字节跳动等互联网巨无霸公司在应用开发和流量上的优势，寻找差异化的应用方向，是大型创业公司活下去的关键。

这些头部企业在做什么产品 -- 中国的六个初创公司领先者为参考

• l 按照 TO B、TO C 划分，人工智能大模型基本都有布局；
• l 涉及金融、教育、医疗等行业；
• l 也有语言聊天助手，端侧智能体，主要是手机端；
• l 目前看，商业模式和盈利模式主要是订阅服务及广告等；
• l 2C 类产品需要在流量入口中取得实质进展；2B 产品需要在巨头的云计算和大模型绑定中取得独特进展；
• l 总体来看，AI 以及 AI Agent 的核心作用是「降本增效」，这在已经落地的中国 AI 类企业布局的产线服务中得到验证；
• l 同时，它依然是一个工具，重点是分析它切入的那个行业在哪个环节可以进行降本和增效；

2019 年 6 月成立的智谱 A1，由清华大学孵化，创始团队中的首席执行官 (CEO) 张鹏、唐杰均来自清华大学计算机系，唐杰是该系副主任、教授。智谱 AI 也是「六小虎」中成立最早、迄今规模最大的公司，员工近千人。2022 年 8 月，智谱成为国内第一家发布自研预训练语言大模型的创业公司。目前，「智谱清言」App 拥有 2500 万用户，年化收入 (ARR) 超过千万元。张鹏此前向财新称，智谱 AI 希望成为中国的 OpenAl，因此在企业级、消费级领域都有业务部署。

2021 年 12 月，在视觉 A1「四小龙」公司商汤科技 (00020.HK) 负责通用人工智能技术 (AGI) 的闫俊杰，离职创办 MiniMax，2022 年在国内推出了 AI 虚拟社交产品 Glow，很快积累百万用户，后因牌照问题遭应用平台下架，直至 2023 年 8 月获得牌照后重推与 Glow 相似的产品「星野」，其海外版本 Talkie 凭借和名人的对话聊天「出圈」，连续数月成为美国下载排名前五的娱乐应用。MiniMax 目前团队在 400 人左右。

自 2024 年 4 月推出生产力工具海螺 AI 后，目前全球网页端活跃用户 (MAU) 接近 1000 万。MiniMax 目前整体估值达 30 亿美元左右，旗下 Talkie、海螺 Al 和星野 AI 三款产品年化收入 7000 万美元，主要商业模式是广告和用户订阅。

百川目前主攻大模型在医疗、教育、金融等行业的落地应用。百川智能开始商业化已半年左右，预计 2025 年订单签约额在 10 亿 -20 亿元水平，2025 年无论是 2B( 企业级 ) 还是 2C( 消费级 )，大模型应用都会全面爆发，只是 2C 还需解决变现、大厂竞争压力的问题。

2023 年 4 月，阶跃星辰和月之暗面先后成立。

未来 1-2 年，第一个大模型的商业化闭环就会跑出来，2B 会有回报收入，而 2C 需要先建立生态。大模型带来了生产效率提升、内容生成门槛降低两个变量，因此阶跃星辰分别推出了「跃问」和「冒泡鸭」两个 2C 产品，主打多模态输出;而在企业级应用市场，阶跃星辰也和 OPPO、荣耀合作，希望成为移动端侧的 AI 助手。

大模型仍处在技术快速发展期。国内除了阿里云积极推进开源大模型，量化投资机构幻方量化旗下的 DeepSeek( 深度求索 ) 公司推出的开源模型，接连以较低的训练成本和不输顶尖闭源模型的性能而惊艳开发者社区。

Meta、谷歌亦积极布局开源。

小米、OPPO、vivo、荣耀、理想汽车等终端厂商纷纷以自研或合作方式切入大模型赛道。

初创大模型公司的 2C 类产品想要成为超级应用，必须从互联网公司统治的流量生态中虎口夺食;2B 产品中，互联网公司都有云计算业务，它们基于绑定算力和云服务的 AI 功能，在商业推广上效率更高。而创业公司一旦选择和大客户合作，很难避免走向高度定制化。

大模型的泛化能力是 A1 2.0 时代的核心变量，此前一轮以 AI 视觉公司为代表的时期被市场称为「A1 1.0 时代」-- 在这一阶段，AI 不具备理解、生成能力，基本是以一套解决方案适配不同企业场景的定制交付模式;AI 算法也是根据具体任务编写，针对不同任务需要不同算法规则。而在 A12.0 时代，大模型通过对大量数据进行学习逐步具备与普通人类相当的「智力」，可以嵌入移动应用、直接和大众对话，也可以嵌入企业解决方案。

做医疗垂类大模型需要几千卡的资源而传统医疗信息化提供方缺乏掌握模型核心技术的能力，因此竞争对手并不多。对百川智能来说，也需要传统医疗信息化公司提供项目落地场景。

从 2B 市场切入的零一万物，则选择主攻标准化程度高的零售行业营销内推出数字人直播服务、营销视频生成服务，以数字人直播店取代真人直播。直播带货一名主播背后，一般需要运营、写稿两名支持人员，但在 AI 生成内容辅助下，已实现一名运营人员可以支撑 20 名主播店铺直播成本下降了 90%。一个店铺一天可能省不了多少钱，但中国光餐饮就有 700 万家店，这是一个巨大的市场空间。

参考 -- 中国发布的人工智能赋能新型工业化典型应用案例名单

工信部 1 月 2 日公布人工智能赋能新型工业化典型应用案例名单，151 个案例上榜。

其中技术底座方向 24 个，基本是央企和巨头入围；

行业应用方向共有 89 个，涉及钢铁，煤炭，电器、石油、汽车、制药、铁路等众多行业，主要是针对性提高某一类或某一项流程、技术等，核心依然是降本增效；

装备产品方面共 33 个，其中机器人是一大亮点；

支撑保障方向共 5 个。

但以上这些都不是大模型泛化能力的代表。

会有哪些商业模式可供参考

AI Agent 的商业模式是进行商业化可行性的关键。

软件即服务（SaaS）模式是一种现代的软件交付模式，它允许用户通过互联网访问和使用基于云的软件应用程序。在这种模式下，AI Agent 以在线服务的形式提供，极大地简化了客户的使用过程。用户无需进行复杂的本地软件安装和维护，只需通过订阅服务或根据实际使用量支付费用，即可享受到人工智能带来的便利和智能。

Agent 即服务（Agent-as-a-Service，AaaS）是一种新兴的云计算服务模式，它将 AI Agents 作为一项服务通过云平台提供给用户。这种模式允许用户基于自身的具体需求和预算，选择订阅服务或按实际使用量支付费用，从而实现对 AI 能力的按需获取和灵活使用。

大语言模型即服务（Model as a Service，MaaS）代表了一种创新的云计算服务模式，它将先进的机器学习模型以服务的形式提供给企业用户。

机器人即服务（Robot-as-a-Service，RaaS）正逐渐成为企业自动化和智能化转型的有力工具。这种服务模式通过将机器人技术与云计算、人工智能、机器人学和自动化等先进技术相结合，为企业提供了一种灵活、低成本的解决方案。

OpenAI 推出的 GPT Store，率先开启了 Agent Store 模式，开创了 Agent 新的应用方式。

端侧大模型部署带来的混合 AI 技术，将进一步提升 AI Agent 的性能和响应速度。这种技术允许 AI 模型在用户的设备上运行，减少了对云端服务器的依赖，降低了延迟，提高了隐私保护。这将使得 AI Agent 应用更加迅速、高效，为用户提供更加流畅的体验。

第二部分 区块链、加密货币及 AI、AI Agent

区块链技术到底是什么？

区块链技术是一种高级数据库机制，允许在企业网络中透明地共享信息。区块链数据库将数据存储在区块中，而数据库则一起链接到一个链条中。数据在时间上是一致的，因为在没有网络共识的情况下，您不能删除或修改链条。因此，您可以使用区块链技术创建不可改变的分类账，以便跟踪订单、付款、账户和其他交易。系统内置的机制可以阻止未经授权的交易条目并在这些交易的共享视图中创建一致性。

区块链技术具有以下主要功能：

去中心化

区块链中的去中心化是指将控制权和决策权从中心化实体（个人、组织或团体）转让给分布式网络。去中心化区块链网络使用透明度来减少对参与者之间取得信任的需要。这些网络还以削弱网络功能性的方式，阻止参与者彼此施加权力或控制。

不可变性

不可变性是指某些内容不能更改或改变。一旦某个参与者将交易记录到共享分类账中，则任何参与者均不能篡改该交易。如果某个交易记录包含错误，则您必须添加新交易以修正错误，并且整个网络均可看见这两个交易。

共识

区块链系统将建立关于参与者就记录交易达成共识的规则。仅当网络中的大部分参与者都同意时，才能记录新交易。

区块链协议一词是指可用于应用程序开发的不同类型的区块链平台。每种区块链协议都采用基本区块链原则来适应特定行业或应用需求。

从技术的角度来看，区块链是一种底层的基础架构，它的应用范围不仅局限于金融行业，就像大数据可以在金融行业，也可以在其它行业中应用一样。

从本质上来讲，区块链是一种多方参与的「共识系统」，是一种「开放架构下的强安全机制」。

区块链作为一种「开放架构下的强安全机制」，建立在它两大核心模块「基本数据单元」和「数据链条」之上的数字身份可以尝试将数字普惠金融所覆盖的用户身份信息、历史活动记录以及其它和身份有关的属性信息安全地流转于跨越国家和地域的机构和个人之间，实现敏感数据的开放式安全共享。

区块链的基本特征「开放架构下的强安全机制」从某种意义上来说是一种新型安全基础架构。和传统的基于密码学的「防御性」安全技术不同，区块链并非把需要保护的敏感数据集中在「云端」，然后试图筑造一道抵御外部入侵的「安全长城」。

从安全和金融监管的角度来看，基于区块链的安全基础架构允许风险诞生且发展于局部，但始终不能突破全局。

正是由此这个特性，区块链最先被金融行业所发现并重视，因为金融业对于安全最为敏感，但传统的安全架构似乎永远都不能很好地解决「道高一尺，魔高一丈」的问题。

区块链技术局限性

这种局限性甚至体现在当前的炒币阶段：当你购买 SOLANA 或者 BASE 上的 AI Agent 概念币，以及从 OKE 钱包或者其它钱包（Metamask、Ledger 或 Phantom）执行交易的不便利性上得到深刻体验。

当前区块链的性能表现有限，比如比特币每秒处理约 7 笔交易，以太坊也仅能处理 15-30 笔交易，远远无法满足高频交易场景的需求（如支付系统或金融清算）。

区块链的去中心化特点要求每个节点存储完整账本，随着交易数据量增加，存储成本快速上升。

各国对区块链和加密资产的监管政策存在较大差异，尤其是在税收、AML（反洗钱）、KYC（了解你的客户）等方面缺乏统一标准，增加了全球化应用的复杂性。

区块链的技术生态仍处于早期阶段，与传统系统的整合度低，难以满足大规模应用需求。

与 AI Agent 结合的现状

• l 目前以下项目并未从「降本增效」的技术内涵角度实现「有用性」，而应用场景并非是类似于某种基于 LLM 的价值和效用体现，而是集中于发币、炒币、炒作价格的内涵；
• l 技术的内涵应该是提升生产力；
• l 有限度的区块链与 AI Agent 的技术融合，但输出形式是发行代币，服务于炒作代币价格阶段；
• l 并未经过诸如「是否通过 Eliza 或 ZerePy 提供的 API 集成了 LLM」等验证程序；
• l 更本质的，对技术的畅想和尝试，被叙述包装成价格炒作，反而可能极大的破坏区块链与 AI 的结合；

目前，AI Agent 赛道的基本特点是发币，即使是所谓的头部龙头项目也并未真正建立「有效的实用性」，依然停留在炒币阶段。

具有代表性的项目有 ai16z 的 Eliza 框架，Eliza 框架被广泛用于各种代理应用，包括钱包、社交集成和可定制代理等。

资产发行方向，比较有代表的是 Base 链上的 Virtuals Protocol 和 clanker，Solana 链的 Dasha 以及 ZKsync 链的 AigentFi。

引擎方向，具有代表性的是 Solana 链的 griffain 以及 ERC-20 链的 Spectre AI。

AI Meme 方向，以 GOAT 为代表。

AI Agent 和 DeFi 结合 AiFi Mode，Mode 的远景是实现人工智能到人工智能的交互进而拓展 DeFi 的边界，智能代理可以自主执行复杂的理财任务。AigentFi 是 ZKsync 上第一个 AI Agent，这也是 AI Agent 首次拓展到 Layer 2 。

以上项目的区块链和 AI Agent 的技术融合。

Eliza 框架（ai16z）在 GitHub 上开源，允许开发者在链上和链下创建去中心化的 AI 应用程序，如钱包、社交集成、可定制代理等。框架内置经济激励机制，将开发收益分配给社区基金，体现了去中心化技术（区块链）与智能代理的融合。

ZerePy 框架（zerebro）开源 Python 框架，支持集成本地 LLM（大型语言模型）和内存，同时能自主发行代币及执行宣发任务。

基于区块链的 AI Agent 资产发行（如 Virtuals Protocol、clanker、Dasha）体现了：

• l 利用区块链发行和流转虚拟资产（如 NFT 和代币）。
• l 自治性：AI Agent 可自主发币、交易和管理资产。
• l 公平的激励机制：用户通过参与生态（提供数据或运行智能体）获得代币奖励。

可能的突破点

AI 具备强大的智能决策和分析能力，而区块链提供了去中心化、安全和透明的数据基础设施。结合这两项技术，不仅能推动创新应用的发展，还可能催生新的商业模式。然而，这种结合在发展过程中也会遇到一系列挑战。

AI Agent（人工智能代理）与区块链技术的结合代表着未来科技发展的重要方向，两者在技术和应用层面具有很强的互补性。AI 具备强大的智能决策和分析能力，而区块链提供了去中心化、安全和透明的数据基础设施。结合这两项技术，不仅能推动创新应用的发展，还可能催生新的商业模式。然而，这种结合在发展过程中也会遇到一系列挑战。

AI Agent 与区块链结合的主要发展方向

1. 去中心化自治代理（DAA）

概念：AI 代理能够利用区块链的智能合约在去中心化环境中自动执行任务，无需人为干预。它们可以作为独立实体存在，与其他代理、用户或智能合约交互。

应用场景：

• u 自动化金融（DeFi）：AI 代理可以自主管理资产，优化投资策略，进行借贷和交易。
• u 供应链管理：通过区块链的可信数据，AI 代理可优化物流和采购流程。
• u 数字身份管理：AI 代理结合区块链上的身份数据，帮助用户管理在线身份和隐私。

2. 数据市场和共享

概念：区块链提供安全、不可篡改的数据存储，而 AI 需要海量高质量数据进行训练和推理。结合后，可构建可信的数据交易市场。

应用场景：

• u 数据交易平台：AI 代理可代表用户在区块链上安全地购买或出售数据。
• u 隐私保护计算：结合区块链和 AI 的联邦学习技术，实现隐私数据的分布式训练，而无需暴露原始数据。
• u 可信数据溯源：通过区块链追踪数据来源，确保 AI 模型训练数据的真实性和透明性。

3. AI 模型和计算资源的去中心化共享

概念：区块链上的分布式网络可以用于共享 AI 模型、计算能力和存储资源，AI 代理可以通过智能合约协调这些资源。

应用场景：

• u AI 即服务（AIaaS）：利用区块链支付系统，AI 代理可按需调用分布式计算和 AI 模型服务。
• u 分布式 AI 训练：多个 AI 代理通过区块链网络协同完成模型训练，降低对中央服务器的依赖。

4. 智能物联网（IoT）应用

概念：AI 代理与区块链结合可赋能物联网设备，实现设备间的自动化交互和数据共享。

应用场景：

• u 智能家居：AI 代理管理设备之间的能耗和通信，并通过区块链确保数据安全。
• u 智能交通：交通设备间通过 AI 代理决策和区块链网络实现自动协调。
• u 预测性维护：AI 代理利用区块链存储的历史数据，预测设备故障并发出警报。

5. 数字经济中的新型商业模式

概念：区块链提供了智能合约和去中心化支付，AI 代理能够自主参与经济活动。

应用场景：

• u 内容创作者经济：AI 代理基于用户需求生成内容，并通过区块链进行收益分配。
• u 虚拟世界与元宇宙：AI 代理作为独立角色与其他用户或代理互动，通过区块链完成交易和行为记录。

仅靠「技术」并不能直接带来收入，必须瞄准行业中的痛点和价值创造。区块链与 AI 的结合可以直接创造如下价值：

• u 提升效率。
• u 降低风险。
• u 创造全新市场。